Việc đánh giá hiệu suất của các mô hình thị giác máy tính là thiết yếu để hiểu hiệu quả và đáng tin cậy của chúng. Nhiều loại đo lường được dùng để đo lường một mô hình thực hiện tốt như phân loại hình ảnh, phát hiện vật thể và phân đoạn. Việc chọn các thước đo thích hợp giúp tối ưu hóa các mô hình và so sánh các cách tiếp cận khác nhau.

Những chuyên gia thông thường trong tầm nhìn máy tính

Một số thước đo thường được dùng để đánh giá các mô hình thị giác trên máy tính. Những hình này bao gồm độ chính xác, chính xác, nhớ lại và F1 điểm để phân loại các tác phẩm.

Tính toán chính xác và các phương pháp liên quan

Tính toán tỉ lệ của các dự đoán đúng trong tất cả các dự đoán.

Khả năng tự xác thực = ( tích cực + đúng) / Tổng dự đoán

Độ chính xác cho thấy tỷ lệ của những dự đoán tích cực đúng giữa tất cả các dự đoán tích cực, trong khi nhớ lại tỉ lệ của các tích cực đúng được xác định giữa tất cả các số dương thực.

Name

Mô hình phát hiện vật thể được đánh giá bằng cách sử dụng các số đo như Insen trên Union (IoU) và có nghĩa là độ chính xác trung bình (mAP). IoU đo sự chồng chéo giữa các hộp ràng và các hộp chân lý mặt đất:

IoU = Khu vực Overlap / Khu vực của Liên bang )

MAP tóm tắt đường cong gọi chính xác qua các ngưỡng IU khác nhau và các lớp học vật thể, cung cấp một thước đo hiệu suất toàn diện.

Tóm tắt

Chọn đúng bộ đo lường tùy thuộc vào công việc và mục tiêu cụ thể của dự án. Tính toán đúng đắn và giải thích các thước đo này là thiết yếu để phát triển các mô hình thị giác máy tính hiệu quả.